type
status
date
slug
summary
tags
category
icon
password
安全问题统计
统计
名称
翻译
标签
建模场景
年份会议级别
备注
开源
Devign: Effective Vulnerability Identification by Learning Comprehensive Program Semantics via Graph Neural Networks
Devign：通过图神经网络学习综合程序语义来有效识别漏洞
识别代码漏洞
代码函数
异构网络空间视角下基于深度图神经网络的垃圾邮件发送者检测
恶意检测
钓鱼邮件
SCI-1
SCI-2
2021
钓鱼邮件
ReGVD：重新审视图神经网络进行漏洞检测
识别代码漏洞
源代码
2022
CCF-A
我们旨在开发一种通用的、实用的、编程语言无关的模型，可以轻松地在各种源代码和库上运行。我们将漏洞检测视为一种归纳文本分类问题
True
用于恶意域检测的归因异构图神经网络
恶意检测
恶意域名
2021
CCF-C
域名
用于检测 PHP 漏洞的混合图神经网络方法
识别代码漏洞
2022
IEEE Conference on Dependable and Secure Computing
PHP
用于软件安全漏洞检测的消息传递图神经网络
识别代码漏洞
源代码
2022
International Conference on Computer Network Electronic and Automation (ICCNEA)
该模型使用 BERT 进行源代码预训练，将图转换为相应的特征向量，在特征提取阶段使用基于图神经网络的 MPNN (Message Passing Neural Networks)，并最终输出检测结果
用于检测恶意 IP 地址的图神经网络和跨协议分析
恶意检测
将最有用的ip特征作为节点特征纳入图中，然后消息传递
2022
SCI-2
SCI-3
我们将来自 Web、电子邮件和域名系统（DNS）协议的特征相结合，以确定哪些特征在区分可疑和良性 IP 方面最有用
Intrusion detection framework using auto-metric graph neural network optimized with hybrid woodpecker mating and capuchin search optimization algorithm in IoT network
物联网网络中使用混合啄木鸟交配和卷尾猴搜索优化算法优化的自动度量图神经网络的入侵检测框架
入侵检测
攻击请求
2022
CCF-C
物联网
使用丰富的程序中间图表示进行神经软件漏洞分析
增强
提出了软件漏洞分析方法
SCI-1
CCF-B
2021
使用定制的程序中间图表示来训练图神经网络模型。图是程序分析，通过目标编程语言的相应解析器来分析给定的程序。控制流图，程序语句。程序依赖图。
Vu1SPG：基于切片属性图表示学习的漏洞检测
识别代码漏洞
我们定义了一种新颖的代码表示方法
2021
CCF-B
我们定义了一种新颖的代码表示方法，称为切片属性图（SPG）
SHADEWATCHER：使用系统审计记录进行建议引导的网络威胁分析
恶意检测
实体间关系，然后预测
认识到网络安全中的威胁检测与信息检索中的推荐之间的结构相似性。通过将系统实体交互的安全概念映射到用户-物品交互的推荐概念，我们通过预测系统实体对其交互实体的偏好来识别网络威胁。
基于图卷积神经网络的内部威胁检测方法。
恶意检测
日志信息
2022
CCF-C
从日志文件中检索相应的日志和特征
Novel supply chain vulnerability detection based on heterogeneous-graph-driven hash similarity in IoT
基于异构图驱动的哈希相似性在物联网中的新型供应链漏洞检测
识别代码漏洞
代码依赖
2023
CCF-C
PhG-vNet 使用定制图嵌入来特征化伪代码，并使用异构图神经网络提取图结构到二进制哈希嵌入。然后，PhG-vNet 根据自定义的位相似性以及贝叶斯加权来检测 SCV。
通过低成本等价性检查增强基于 DNN 的二进制代码函数搜索
识别代码漏洞
二进制代码函数
2023
CCF-A
SCI-1
本文提出了一种通用解决方案，用于增强基于 DNN 的二进制代码函数搜索中的前 k 个候选项。关键思想是设计一种低成本、全面的等价性检查，快速揭示目标函数与其前 k 个匹配函数之间的功能偏差
Static vulnerability mining of IoT devices based on control flow graph construction and graph embedding network
基于控制流图构建和图嵌入网络的物联网设备静态漏洞挖掘
识别代码漏洞
二进制代码
2023
CCF-C
SCI-3
该方法生成一个 ACFG（带属性控制流图），将环境信息与二进制代码信息相结合，旨在从二进制代码中深度且准确地发现漏洞。然后通过图嵌入算法将图转换，并由深度神经网络进行分析。
物联网骨干网络中的流量管理，使用 GNN 和 MAB 以及 SDN 编排。
网络流量
交通车流量
2023
SCI-3
该方法利用图神经网络（GNN）和多臂老虎机算法根据实时网络流量模式动态优化交通管理策略。
Hierarchical Adversarial Attacks Against Graph-Neural-Network-Based IoT Network Intrusion Detection System
基于图神经网络的物联网网络入侵检测系统的分层对抗攻击
对抗攻击
2023
SCI-1
现有的方法在训练检测模型时可能会遇到限制和不平衡的攻击数据问题，这使得系统特别是对于未知的攻击类型非常脆弱。
基于门控图神经网络的归纳漏洞检测
识别代码漏洞
看一看
代码片段
2022
CCF-C
我们提出了一种基于门控图神经网络（GGNN）的细粒度代码漏洞检测框架。首先，我们将源代码处理成细粒度的片段。其次，通过聚类邻居信息构建代码片段的图嵌入。最后，利用 GGNN 学习漏洞代码的语法和语义信息进行图级分类。
TrustGNN: Graph Neural Network based Trust Evaluation via Learnable Propagative and Composable Nature
TrustGNN：基于图神经网络的信任评估，通过可学习的传播和可组合的性质
看一看
信任评估
实体之间信任关系
2022
CCF-B
SCI-1
信任评估。
嵌套GNN：使用嵌套图神经网络检测恶意网络活动
恶意检测
主机之间通信、主机内部事件
2022
CCF-C
嵌套图。主机之间的通信形成一个图，而每个主机的本地活动（如本地事件图）形成一个内部图。观察到没有现有的 GNN 可以直接在这种嵌套图上学习
基于深度学习的漏洞检测：我们做到了吗？
增强
现有的 DL based 漏洞预测方法面临训练数据 (例如数据重复、脆弱类分布不现实等) 和模型选择 (例如简单的词向量模型) 方面的挑战。我们演示了如何基于真实的漏洞预测设置，通过更加原则化的数据收集和模型设计方法，获得更好的解决方案
用于异常引文检测的深度图学习
异常检测
学术论文引用
2022
CCF-B
SCI-1
GLAD 通过向网络表示学习中添加节点属性和链接属性来结合文本语义挖掘和图神经网络（GNN）
VELVET：一种自动定位漏洞的noVel Ensemble Learning方法。
识别代码漏洞
定位脆弱语句
2022
CCF-B
但大多数工作都是在更高的粒度上检测脆弱代码。本文提出了一种新颖的集成学习方法 VELVET，用于定位脆弱语句。我们的模型结合了基于图和基于序列的神经网络，以成功捕捉程序图的局部和全局上下文，并有效地理解代码语义和脆弱模式。
Jadeite：一种使用深度学习检测 Java 恶意软件的新型基于图像行为的方法
识别代码漏洞
Java字节码控制流图
2022
CCF-B
SCI-3
Jadeite 从给定的 Java 字节码文件中提取程序间控制流图（ICFG），然后修剪 ICFG 并将其转换为邻接矩阵。最后，Jadeite 根据这个矩阵构建一个灰度图像。我们利用深度卷积神经网络（CNN）分类器中的对象检测算法来确定恶意性。
一种基于图卷积神经网络的内部威胁检测方法。
恶意检测
日志分析
2022
CCF-C
提取从日志文件中检索相应的日志和特征。
网络流量数据的深度学习
网络流量
增强
流量
2022
CCF-A
为了保护数据隐私，可以使用生成方法（如 GAN 和自回归神经网络架构）来合成逼真的网络流量数据。特别是，本教程分为三个部分：1）我们描述网络流量数据、应用于安全和网络管理的应用以及挑战；2）我们介绍用于表示学习而不是网络流量数据特征工程的不同的深度学习架构；3）我们描述了生成神经网络模型的合成生成网络流量数据的使用。
图上的深度学习：方法和应用（DLG-KDD2022）
增强
2022
CCF-A
然而，关于图上深度学习的许多挑战仍然存在，从方法学到应用，从基础到图神经网络的新前沿，涉及范围广泛。
图卷积网络和基于注意力的异常值检测
异常检测
增强
2022
SCI-3
SCI-4
GCA 首先将欧几里得结构数据转换为有向图，使用局部敏感哈希；然后，应用图卷积网络将数据特征及其连接图输入神经网络；其次，融合提取的特征和注意力机制重构的特征；最后，计算对象的异常因子。
Combining Long-Term Recurrent Convolutional and Graph Convolutional Networks to Detect Phishing Sites Using URL and HTML
结合长期循环卷积和图卷积网络，使用 URL 和 HTML 检测网络钓鱼网站
恶意检测
URL 和 HTML 特征
2022
SCI-3
SCI-4
A Graph Representation Learning Algorithm for Approximate Local Symmetry Feature Extraction to Enhance Malicious Device Detection Preprocessing
一种近似局部对称特征提取的图表示学习算法，增强恶意设备检测预处理
恶意检测
网络中节点
2022
SCI-3
SCI-4
我们提出了图结构主题相似子图合并（GraphSTSGM），以提取节点之间的拓扑相似性。
Malware Detection by Control-Flow Graph Level Representation Learning With Graph Isomorphism Network
通过图同构网络的控制流图级表示学习进行恶意软件检测
恶意检测
解码代码和执行流程结构
2022
SCI-3
SCI-4
我们提出了一种基于控制流图（CFG）和图同构网络（GIN）的恶意软件分类系统。CFG 基本块的特征向量是通过大规模预训练的语言模型 MiniLM 生成的，这有利于 GIN 进一步学习和压缩基于 CFG 的表示，并使用多层感知器进行分类
一种基于假节点的图卷积网络针对性通用攻击
增强
2022
SCI-4
CCF-C
GCN对抗性攻击
LibDB：用于检测二进制文件中第三方库的有效且高效的框架
识别代码漏洞
二进制代码中检测第三方库重用
2022
CCF-C
除了基本和粗粒度特征（字符串字面值和导出的函数名）之外，LibDB 还使用函数内容作为新型特征。它将二进制文件中的所有函数嵌入到经过训练的神经网络的低维表示中。
GLD-Net：深度学习通过拓扑和流量特征融合检测DDoS攻击
网络流量
增强
网络流量
2022
SCI-4
我们提出了一种基于拓扑和流量特征的深度学习方法（GLD-Net），同时从时序流量数据中提取流量和拓扑特征，并利用图注意力网络（GAT）挖掘非欧几里得特征之间的相关性以融合流量和拓扑特征。位于 GAT 后面的长短期记忆（LSTM）网络获得节点邻居关系，全连接层用于实现特征维度降低和流量类型映射。
Malcertificate: Research and Implementation of a Malicious Certificate Detection Algorithm Based on GCN
Malcertificate：基于GCN的恶意证书检测算法研究与实现
恶意检测
恶意数字证书
2022
SCI-4
首先，我们将基于属性共现和文档属性关系的 PEM 文档结构的数字证书数据集转换为基于图结构的语料库。然后，我们将图结构证书数据集输入 GCN 进行训练。
SimCGE: Simple Contrastive Learning of Graph Embeddings for Cross-Version Binary Code Similarity Detection
SimCGE：用于跨版本二进制代码相似性检测的图嵌入的简单对比学习
识别代码漏洞
二进制代码相似性检测
2022
CCF-C
深度学习模型能否学习漏洞检测的脆弱模式？
增强
图神经网络漏洞预测的安全问题
2022
CCF-C
实验结果表明，具有注意力的深度学习模型在一定程度上可以关注有助于解释漏洞检测结果的漏洞相关代码段，尤其是当我们采用图神经网络模型时。
基于图神经网络的物联网安全异常流量检测
网络流量
物联网流量
2023
SCI-2
基于连续时间图嵌入框架的大规模数据安全检测方法
恶意检测
互联网用户对商家（如餐厅和购物中心）的评价以及Tmall产品上的用户信息
2023
TS- IDS：面向物联网网络入侵检测的流量感知自监督学习
入侵检测
网络流量
2023
SCI-1
旨在捕捉网络实体之间的流关系。我们的方法利用节点和边缘特征以提高性能。此外，我们还融入了基于辅助属性的自监督学习（SSL）来增强图表示，即使在没有标记数据的情况下也能如此
TCGNN：基于图神经网络的分组细粒度网络流量分类
网络流量
流量分类识别
TCGNN首先将每个网络数据包转化为一个无向图。然后采用具有3种不同聚合策略的2层图卷积网络,从包变换图中学习潜在的应用表示。最后,依靠GNN在学习图表示方面的强大能力,TCGNN能够以极高的准确率识别未知网络数据包。
BejaGNN：基于行为的图神经网络Java恶意软件检测。
识别代码漏洞
Java代码提取特征
2023
SCI-4
研究人员转向提取丰富的静态特征来实现高效的恶意软件检测
基于注意力机制的GGNN漏洞自动检测方法
识别代码漏洞
代码的语义和结构信息
2023
SCI-3
Cdstaep：面向异常事件预测的跨域时空关联学习
异常预测
实时网络数据集
中科院未收录
Codeformer：用于二进制代码相似性检测的Gnn嵌套转换器模型
识别代码漏洞
二进制函数或文件的代码
SCI-3
2023
2021没看
名称
标签
建模场景
年份会议级别
备注
入侵检测
Hierarchical Adversarial Attacks Against Graph-Neural-Network-Based IoT Network Intrusion Detection System 2022 sci1
恶意软件
MalFCS: An effective malware classification framework with automated feature extraction based on deep convolutional neural networks 2020 sci2
Malware Detection Based on Deep Learning of Behavior Graphs 2019 sci4
异常检测
A graph neural network method for distributed anomaly detection in IoT 2021 sci4
流量
网络流量Accurate Decentralized Application Identification via Encrypted Traffic Analysis Using Graph Neural Networks 2021 sci1 加密流量分类
Detecting and Mitigating DDoS Attacks in SDN Using Spatial-Temporal Graph Convolutional Network 2022 sci1 缓解DDoS攻击
Apt Attack Detection Based On Flow Network Analysis Techniques Using Deep Learning 2020 sci4 流量检测ATP攻击
Benchmark-Based Reference Model for Evaluating Botnet Detection Tools Driven by Traffic-Flow Analytics 2020 sci3 流量检测僵尸网络，但是没有图神经网络
Anomal-E: A self-supervised network intrusion detection system based on graph neural networks 2022 sci1 ccfc 流量的入侵和异常检测
Network traffic analysis through node behaviour classification: a graph-based approach with temporal dissection and data-level preprocessing 2022 sci3 将时间图方法应用于网络流量数据中的恶意行为检测
A holistic framework for prediction of routing attacks in IoT-LLNs 2022 sci3 ccfc 预测网络流量路由攻击
AnoGLA: An efficient scheme to improve network anomaly detection 2022 sci3 ccfc 流量构建图数据异常检测
Application of a Dynamic Line Graph Neural Network for Intrusion Detection With Semisupervised Learning 2023 sci1 Dynamic Line Graph Neural Network半监督入侵检测
Anomalous distributed traffic: Detecting cyber security attacks amongst microservices using graph convolutional networks 2022 ccfb sci3 微服务流量进行预测和检测网络攻击
A new framework for APT attack detection based on network traffic. 2023 sci4 检测网络流量中APT攻击
E-minBatch GraphSAGE: An Industrial Internet Attack Detection Model 2022 sci4 ccfc 工业互联网环境中的攻击检测
GCN-ETA: High-Efficiency Encrypted Malicious Traffic Detection 2022 sci4 ccfc 加密恶意流量检测
Intrusion Detection System in Wireless Sensor Networks and Fair Resource Allocation Using Geometric Deep Learning Techniques 2021 sci4 通过图神经网络将源节点到汇节点的网络流进行保存
Load balancing inside programmable data planes based on network modeling prediction using a GNN with network behaviors. 2023 sci3 基本网络行为的图神经网络（GNN）的网络建模方法
Flow Topology-Based Graph Convolutional Network for Intrusion Detection in Label-Limited IoT Networks 2023 sci2 用于标签受限的物联网网络入侵检测
EC-GCN: A encrypted traffic classification framework based on multi-scale graph convolution networks. 2023 sci3 基于多尺度图卷积神经网络对加密流量流进行分类
NT-GNN: Network Traffic Graph for 5G Mobile IoT Android Malware Detection 2023 sci3 的基于网络流量图的图神经网络模型（NT-GNN），用于Android恶意软件检测
Accurate Encrypted Malicious Traffic Identification via Traffic Interaction Pattern Using Graph Convolutional Network 2023 sci4 基于流量交互属性图的攻击分类方法
A Network Security Situation Prediction Method through the Use of Improved TCN and BiDLSTM 2022 sci4 我们提出了一种基于注意力机制（AM）改进的时序卷积网络（ATCN）与双向长短时记忆（BiDLSTM）网络相结合的网络安全形势预测模型。
Robust anomaly-based intrusion detection system for in-vehicle network by graph neural network framework 2022 sci2 CAN总线上的流量设计了一个图+GAT
基于图神经网络的P2P僵尸网络检测方法 2022 工程科学与技术（四川大学学报）
基于内外卷积网络的网络入侵检测 2021 北京邮电大学学报
USAGE : Uncertain flow graph and spatio-temporal graph convolutional network-based saturation attack detection method 2023-10-20 sci2 提出了CRAM算法，为每个网络流量生成一个不确定的流量图，该图可以表示不同节点之间的不确定关系。EGG是一种时空图卷积网络模型，用于检测饱和攻击
TS-IDS: Traffic-aware self-supervised learning for IoT Network Intrusion Detection 2023-10-15 sic1 大多数解决方案专注于独立提取流级别的特征，而忽略了它们在网络中的交互，这影响了检测性能。为了解决这个问题，本文提出了一种用于物联网网络入侵检测系统的流量感知自监督学习，即TS-IDS，旨在捕获网络实体之间的流量关系。我们的方法利用节点和边缘功能来提高性能。
Few-Shot Learning-Based Malicious IoT Traffic Detection with Prototypical Graph Neural Networks 2023 sci4 小样本物联网流量
Traffic Management in IoT Backbone Networks Using GNN and MAB with SDN Orchestration 2023 sci3 骨干网流量预测和优化管理
A new concatenated Multigraph Neural Network for IoT intrusion detection 2023 sci3 物联网入侵检测
Anomaly traffic detection in IoT security using graph neural networks 2023 sci3 看过的那个
TCGNN: Packet-grained network traffic classification via Graph Neural Networks 2023 sci2 网络流量分类
Flow-Based Encrypted Network Traffic Classification With Graph Neural Networks 2023 sci2 加密流量分类
S-Glint: Secure Federated Graph Learning With Traffic Throttling and Flow Scheduling 2023 sci3 联邦学习用到了GCN
Few-shot IoT attack detection based on SSDSAE and adaptive loss weighted meta residual network 2023 sci1 提出了一种使用半监督深度稀疏自动编码器（SSDSAE）和自适应损失加权元残差网络（ALWM-ResNet）的少量物联网攻击检测方法。
A Mobile Application-Classifying Method Based on a Graph Attention Network from Encrypted Network Traffic 2023 sic4 从加密的网络流量中对移动应用程序进行分类
A Deep Learning Approach for Classifying Network Connected IoT Devices Using Communication Traffic Characteristics 2023 sci4 没用到图。基于深度学习的设备指纹模型
PeerRemove: An adaptive node removal strategy for P2P botnet based on deep reinforcement learning 2023 sic3 本文从复杂网络图论的角度研究了僵尸网络的防御策略
Toward Early and Accurate Network Intrusion Detection Using Graph Embedding 2023 sci1 本文提出了一种基于图嵌入技术的早期准确的网络入侵检测方法Graph2vec+RF。
Self-Supervised Latent Representations of Network Flows and Application to Darknet Traffic Classification 2023 sci4 近年来，利用机器学习实现网络流量表征的自动化受到了广泛关注。为此，需要将原始网络流转换为结构化和可利用的数据。
GLD-Net: Deep Learning to Detect DDoS Attack via Topological and Traffic Feature Fusion 2023 sci3 我们提出了一种基于拓扑和流特征的深度学习方法（GLD-Net），该方法同时从时间序列流数据中提取流和拓扑特征，并利用图注意力网络（GAT）挖掘非欧几里得特征之间的相关性，以融合流和拓扑特性。
Time Series Network Data Enabling Distributed Intelligence-A Holistic IoT Security Platform Solution 2023 sci4 QOS和路由
SmartTRO: Optimizing topology robustness for Internet of Things via deep reinforcement learning with graph convolutional networks 2023sic3 QOS和路由
A generic intelligent routing method using deep reinforcement learning with graph neural networks 2023 sci4 路由优化
一种物联网环境下的分布式异常流量检测方案 2022 Computer Engineering计算机工程提出一种基于图神经网络的分布式异常流量检测方案
Graph convolutional networks-based robustness optimization for scale-free Internet of Things 2022 sci4 智能路由拓扑
面向6G流量监控: 基于图神经网络的加密恶意流量检测方法 2022 Scientia Sinica Informationis中国科学. 信息科学 提出了一种基于图神经网络的加密恶意流量检测框架
隐私保护的基于图卷积神经网络的攻击溯源方法 2021 Journal of Computer Research and Development计算机研究与发展 日志和流量结合，隐私保护问题，的攻击溯源方法
- 作者:Braindance
- 链接:null/article/20230925
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
相关文章
A survey on graph neural networks for intrusion detection systems: Methods, trends and challenges
TS-IDS: Traffic-aware self-supervised learning for IoT Network Intrusion Detection
Anomaly traffic detection in IoT security using graph neural networks
AddGraph: Anomaly Detection in Dynamic Graph Using Attention-based Temporal GCN
Anomaly Detection in Dynamic Graphs via Transformer
信息安全顶级会议文章整理